气味指纹技术在水产品品质评价中的应用研究进展

水产品是海洋和淡水渔业生产的水产动植物产品及其加工产品总称，其蛋白质含量丰富，同时还含有脂肪、活性肽、矿物质与呈味氨基酸，具有较高的营养价值与食用价值，深受消费者喜爱。但由于水产品中的内源酶与微生物作用，其在储运期间极易发生腐败，产生不良气味，对品质带来不良影响。气味主要是具有挥发性的含香化合物和不具有挥发性的滋味活性物质，是消费者衡量水产品品质优劣的重要指标[1]。目前，对水产品的品质评估主要以传统评价法为主，包括感官、物理、化学与微生物法。其评价方式与主要优缺点如表1所示。

由表1可知，传统水产品品质评价方法存在主观性强、耗时、工作量大与成本高等问题。因此，开发客观、精准、简单快捷且无损的水产品品质检测技术成为当务之急。

气味指纹技术是近年来发展的一门新兴技术，通过使用气相色谱、质谱、气体传感器等分析手段与多元的统计方法相结合，分析食品中的挥发性风味物质，表征样品信息，达到识别筛选的目的[2]。气味指纹技术不仅具有无损检测、操作简易、省时、灵活度和准确度高、结果客观等优点，且能通过化学计量统计方式进行定性定量分析[3]。该技术能模拟动物和人的嗅觉系统，运用仿生学原理、信号传感技术、阵列传感器技术、计算机技术和人工智能等技术，在无损样品的前提下，对挥发性物质进行分析辨认。特殊介质作用于具挥发性气味的样品，通过识别收集待测样品的宏观气味信息进行定量检测，其工作原理如图1所示[4]。

气味是衡量水产品品质的重要因素，通常香气气味越强，营养价值就越高，挥发性成分相互作用影响食品表征气味产生[5]。水产品死后一段时间进入僵硬期，经历解僵成熟过程，完全成熟后开始出现自溶现象，直至腐败变质，整个变化过程除在产品结构与性质上发生变化外，还会产生不同气味成分含量的增减、气味成分种类的产生与消失[3]。通过气味指纹技术将气味捕获并加以分析，就可对其新鲜度[6]、品质[7-8]与货架期[9-10]等做出判断。近年来，随着该技术发展，气味指纹技术经研究人员改进，与其他分析仪器结合后，逐渐被应用在水产品等领域中。本文综述了气味指纹技术在水产品品质评价中的研究进展，提出存在问题与解决办法，并对其前景予以展望，以期为该技术在水产品品质评价中的应用提供理论参考。

1 气味指纹技术在水产品品质评价的研究进展

水产品含有各种挥发性芳香化合物，这些成分相互作用，不仅影响消费者对其接受度，还代表其品质。遗传因素、生长环境与加工方式等也都会对其挥发性物质产生影响。因此，尽管挥发性风味成分含量不高，但在水产品品质评价上的地位举足轻重[1]。目前，气味指纹技术对水产品品质鉴定主要用于新鲜度检验，在水产品货架期、品质控制、安全性、品种鉴别、相关理化指标与有害微生物检测等方面应用还在探索中。常用的气味指纹技术主要有电子鼻、电子舌与气相色谱-质谱联用法等。

1.1 电子鼻

电子鼻(electronic nose)是通过模仿人和动物的嗅觉系统工作原理，利用气敏传感器阵列对气味信号收集转换，再经模式识别单元对信号进行分析，并呈现检测到的复杂挥发性气味信息，记录气味随时间变化特征的智能感官分析仪器[11-12]。与传统检测技术相比，电子鼻前处理方便、效率高、重复性好、灵敏度高、无污染，在生产中可实现在线无损检测，检测结果降低了主观性，提高了准确性[13]。目前，国内外对电子鼻研究较活跃，尽管其在水产品领域中的研究还刚起步，但仍得到较好应用。其中，沈秋霞等[6]通过电子鼻技术对真空包装三文鱼冷藏期间的气味成分进行检测，结果表明电子鼻可准确实现三文鱼新鲜度分析；LI等[14]采用自行研制的便携式电子鼻检测不同品质鱼粉，并予以分类，表明电子鼻可识别不同贮藏时间的鱼粉样品；ZHENG等[15]利用电子鼻对棘头黄花鱼冷藏期间的脂肪含量模型进行预测，结果得出所建立的模型具有较好精度；SHAO等[10]利用电子鼻技术建立了脊尾白对虾的K值预测模型。

相较于传统技术，电子鼻技术因其明显优势而被广泛应用于水产品品质检测中，在针对水产品挥发性气味物质检测上有广阔的发展前景。但其高成本和在模式识别上的局限性限制了电子鼻的实际应用，在实际应用中往往还需要与其他技术结合使用。因此，对电子鼻技术还需在技术层面上进一步改善，以适应市场需求。

1.2 电子舌

电子舌(electronic tongue)技术原理与电子鼻类似，区别仅在于电子舌是对样品的滋味特性进行分析。该技术具有方便快捷的优点，在应用上可作为感官评价的替代或补充，目前广泛用于食品的快速检测[16]。其中，郑舒文等[17]通过电子舌技术对4 ℃下不同冷藏时间鳕鱼的滋味物质进行检测，结果表明第11天为鳕鱼腐败点，且电子舌的区分性能优于电子鼻；HAN等[18]将电子舌与线性和非线性多变量算法结合检测不同保存时间的鳊鱼，支持向量回归模型的预测集中识别率可达97.22%，研究得出电子舌结合SVR对鱼类新鲜度的无损检测具有很大潜力。

电子舌的发展仅有十几年的历史，其评价结果具有片面性，尚无法替代感官评价，其评价数据的规范化仍有待改善。同电子鼻一样，电子舌在样品分析上不具普适性，对水产品中挥发性物质的分析还需结合不同的数据处理方法才能将其结果量化。因此，电子舌要实现在水产品领域中的广泛应用，应在优化上述不足的基础上，加强对传感器材料的改进。

1.3 气相色谱-质谱联用

气相色谱-质谱联用法(gas chromatography-mass spectrometry, GC-MS)是将气相色谱法与质谱仪结合使用的检测技术，该法可对复杂挥发性化合物样品进行有效分析，准确性较高[19]。气质联用可弥补气相色谱法或气相质谱法单独使用时带来的缺陷问题，同时将气相色谱的高分离效率与质谱的超强定性能力有机结合，在国内外应用广泛。如TANG等[20]采用GC-MS法对不同性别三疣梭子蟹的肝胰腺、肌肉与性腺等不同组织中脂肪酸组成进行检测，结果表明雄性肝胰腺中的不饱和脂肪酸百分比最高，营养价值丰富；LALITHAPRIYA等[21]对4和15℃贮藏温度下的凡纳滨对虾用1.2%石榴皮提取物、0.1%葡萄柚籽提取物与1.25%亚硫酸氢钠处理后，通过GC-MS法对其生物活性成分进行检测，得出在虾品质保持方面石榴皮提取物处理效果优于葡萄柚籽提取物；SOLAESA等[22]采用GC-MS法对5种鱼油中几种常见的有机氯农药和多溴联苯醚进行同时萃取，评价鱼油亲水性。结果表明该法实用可靠；MISHRA等[23]采用基于GC-MS的代谢组学方法研究了pH值为7.0、8.0和9.0时，不同浓度氟西汀对胚胎斑马鱼的代谢组学特征变化的影响。结果表明:pH值为7.0时能量消耗增加;pH值为8.0时储备能量分解以补充能量需求;pH值为9.0时脂质代谢受损。

GC-MS因其可实现水产品中挥发性物质的定性、定量检测，使之成为目前应用最广泛的检测手段。由于其可对单一物质进行定量分析，实验中往往将其与电子鼻等定性检测技术相结合，对实验结果予以补充解释，实现其对挥发性气味成分的全面分析。

2 存在问题与解决办法

目前，气味指纹技术对水产品品质评定主要集中在对新鲜度及产品货架期应用上，尤其在不同品种鱼虾蟹类方面的研究较为集中。在实际操作中，电子鼻受传感器、模式识别处理方式与检测环境限制，不能对所有检测对象全面适用[24]；GC-MS法是目前常使用的检测方法，但研究人员往往将其与其他技术结合使用，以达到更优效果。就水产品而言，自身特性具有复杂性，其挥发性成分不仅组成复杂，且易受外界环境影响，随着外部条件改变，在种类和含量上也呈现出动态变化。单凭一种技术往往很难全面准确分析水产品中的挥发性物质。因此，为弥补单一方法存在不足，研究人员常将2种以上技术联用，或不同技术相互弥补，建立一套联合操作系统，应用在水产品中。如顶空固相微萃取结合气质联用技术、气相色谱-嗅闻技术、气相色谱-质谱联用-嗅觉技术与其他联用技术[25-26]等。

2.1 顶空固相微萃取-气质联用技术

顶空固相微萃取技术是近年来的新型样品前处理手段，通过对该技术的不断改进，最终达到对样品进行一体化前处理。气质联用技术可有效针对含有复杂挥发性化合物的样品，准确性也高，与固相微萃取技术结合使用可提取样本的主要挥发性物质，排除样本中信息干扰，提高分析物回收率，对待测物与干扰物分离更高效，现已成功用于挥发性气味物质分析[27]。顶空固相微萃取结合气质联用(headspace solid phase microextraction-gas chromatography-mass spectrometry, HS-SPME-GC-MS)技术在水产品领域中的应用主要体现在通过对挥发性成分的检测分析，判断其品质。其中，SARNOSKI等[28]利用SPME-GC-MS分析青蟹腐败标志的挥发性成分三甲胺与吲哚含量，表明该技术可用于水产品品质评价；ZHU等[8]采用SPME-GC-MS技术检测了近3年不同发酵贮藏时间虾酱中的挥发性成分，共分析鉴定了89种挥发性化合物。表明发酵贮藏2年的虾酱鲜味氨基酸含量最高，风味最佳；张娅等[29]采用SPME-GC-MS技术分析鉴定虹鳟鱼骨油的主要挥发性风味物质，共提取脂肪酸25种，初步确定主要贡献风味物质，有利于后期鱼油产品的分析鉴别；LIANG等[30]使用顶空固相微萃取与气相色谱-质谱联用技术，准确测定鱼类中所含丁香酚，实现对鱼类的不同部位测定；RASCON等[31]使用GC-MS技术分析了欧洲市场的32个鱼肉类萃取物，并对不同挥发物质的含量与浓度予以评价；SHILPI等[32]采用HS-SPME-GC-MS对从新泽西和路易斯安那海岸收集鱼类提取的鱼油中所含多环芳烃进行检测分析，表明在实际样品中检测到的多环芳烃浓度远低于人类消费时对水中多环芳烃的关注水平，得出该技术应适用于各种海洋样品的多环芳烃分析。

HS-SPME-GC-MS技术在传统GC-MS法的基础上增加前处理步骤，实现了对样品的一体化前处理，从而能对复杂挥发性化合物样品进行精确可靠、精准高效的分析，受到研究者们的推崇。但该技术的前处理需要根据实验对象的不同加以优化，其萃取效果也会受到萃取头类型、萃取温度、萃取时间、盐离子浓度与平衡时间等因素影响，使其在实际应用中的实验周期与操作难度逐渐增加，在一定程度上限制了其在市场上的推广应用。

2.2 气相色谱-嗅闻技术

气相色谱-嗅闻(gas chromatography-olfactory，GC-O)技术将气相色谱与感官检测相结合，其中气相色谱可分离样品挥发出的气味，将气味转换成气味信号，得到的信号一部分经检测器分析生成对应的特征色谱峰，另一部分通入嗅闻仪，由嗅探器或人体探测器鉴别并记录，将2次结果综合做出判断分析[1]。GC-O法可用于食品样品中的芳香族活性化合物鉴定，通过将保留指数和气味性质同标品比较，初步鉴定化合物[33]。FRANK等[34]采用GC-O技术分析澳洲肺鱼的挥发性物质成分，结果得出澳洲肺鱼中存在超过30种挥发性风味化合物，且人工养殖肺鱼肉中的挥发性物质成分含量高于野生肺鱼；王锡昌等[35]通过GC-O技术对阳澄湖大闸蟹不同部位挥发性成分的气味特征进行分析，得出体肉的气味特征强度最弱，性腺最强；李楠[36]采用新型固相萃取技术结合GC-O技术实现对蒸制中华绒螯蟹雄性性腺的主体呈香物质鉴定。

GC-O技术将传统检测技术与人工感官分析结合，实现对产品挥发性物质的定性定量检测，其操作简单，具有一定的市场潜力。但就人工感官分析而言，其结果的客观性一直受到争议，模拟感官分析的探测器也易受环境干扰，智能化有所欠缺，因此GC-O技术的实际应用并不多。

2.3 气相色谱-质谱联用-嗅觉技术

气相色谱-质谱联用-嗅觉(gas chromatography-mass spectrometry -olfactory, GC-MS-O)分析技术将GC-O和GC-MS联用，具有挥发性气味的样品经气相色谱分流分离，经气相色谱末端毛细管柱的质谱仪和嗅闻仪探口分析，将二者综合分析样品挥发性成分[1]。该技术与GC-O和GC-MS联用技术单独操作相比，一次注射可快速准确鉴别挥发性化合物的气味性质与化学结构，实现对挥发性物质成分定性定量分析的要求，可避免对气味剂的错误识别[33]。其中，FAN等[37]采用GC-MS结合感官鉴定和电子鼻技术分析测定了虾膏体中的挥发性成分，发现特定挥发性成分与虾膏风味相关，这些挥发性化合物对虾膏风味的构成具有重要作用；WU等[38]通过GC-MS-O法检测中华绒螯蟹的挥发性物质，共测得己醛、庚醛、壬醛、2-戊基呋喃和2-辛酮等氧化产物萃取物在内的15种有机物。

GC-MS-O技术集分离、结构鉴定与活性成分识别等优点于一体，既能鉴定物质的化学结构，又能有效鉴别挥发性物质中的气味活性成分。将该技术与气味活度值结合分析，还可对化合物的整体气味贡献值作出判断，实用性好。随着该技术的不断完善，今后其将有望于代替传统的GC-MS法，成为使用最广泛的气味分析技术。

2.4 其他联用技术

SPME-GC-MS法将挥发性气味物质先经固相微萃取技术进行处理，再用气相色谱-质谱法分析其微信号，整个检测过程较复杂；GC-O技术与GC-MS-O技术中的感官分析结果通常根据检测人员的专业程度、地区和检测时间的差异产生不同结果[39]。为使实验结果具有更高的准确性与完整性，研究人员开始将不同效果的检测技术综合使用，以期全面反映水产品的特征。如付雪艳等[40]采用固相萃取整体捕集剂结合GC-MS法与电子鼻联合使用，测定雌性中华绒螯蟹性腺和肝胰腺热处理过程中的挥发性成分，结果表明肝胰腺具有高脂肪特点，整体气味物质要比性腺丰富，可能与其高脂肪含量有关；ZHANG等[41]采用电子鼻的主成分分析法与电子舌、SDE-GC-MS相结合，鉴别不同干燥方式的金鲳鱼片，表明导致干金鲳鱼片挥发性化合物生成的可能机制包括美拉德反应、脂质氧化降解、蛋白质水解与斯特莱克降解等方式；LIU等[42]采用GC-MS法与超声波辅助萃取和固相萃取联用技术测定了三疣梭子蟹肌肉的挥发性物质，实现对三疣梭子蟹中15种多环芳烃的同时测定；WU等[43]通过整体材料吸附萃取和GC-MS-O检测不同性别的中华绒螯蟹肝胰腺的主要气味特征，表明雌性螃蟹总单不饱和脂肪酸和多不饱和脂肪酸含量显著高于雄性螃蟹，雌性螃蟹的营养价值高于雄性螃蟹。随着智能检测技术的不断开发，研究者开始将气味指纹技术与计算机[44-45]或其他智能技术手段[46]结合使用，如朱培逸等[47]通过自制电子鼻系统，结合流行学习算法对活体大闸蟹的气味物质进行采集，再利用反向传播神经网络实现大闸蟹新鲜度的无损识别；VAJDI等[48]也通过使电子鼻技术结合神经网络算法实现对冷库中鱼类的鲜度分级，表明此法可用于工业鱼类腐败分析。

3 前景与展望

随着气味指纹技术的不断发展，其与相关技术的结合,逐渐发展成为一门较成熟的检测技术，能做到水产品挥发性风味物质种类与含量检测的快速准确、无损识别，且已有技术能实现对多种挥发性物质的同时识别。但目前很少有能满足不同条件下检测需求的技术手段，仅通过一种技术手段测得的分析结果往往存在不足。在实际操作中，一种检测技术往往需要另一种技术作为辅助验证实验结果，费时费力。此外，在数据处理上，传统方法具有局限性。目前研究中，使用智能技术处理气味信号还较少。同时，由于水产品自身的复杂性，在新鲜度评价、品质保持等方面具有一定难度，水产品虽具较高营养价值，但货架期较短。通过气味指纹技术对水产品挥发性风味物质的检测分析与模型预测，不仅可实现其品质评价，还可通过控制条件，最大程度保持其品质最佳状态，降低经济损失。目前，气味指纹技术在水产品应用方面主要是针对具体已知产品，通过对比，对挥发性成分物质进行分类识别和模型预测，来实现产品的鲜度鉴别、货架期预测与差异评价。如何利用气味指纹分析技术所得数据进行水产品挥发性成分控制或改善，以提高有益气味成分、避免不良气味成分，即通过控制或改变条件应用气味指纹技术实现水产品品质维持及改善的研究是今后的发展趋势。相信随着检测技术手段的不断完善，气味指纹技术与智能技术的结合将在水产品品质评价上得到更广泛的应用。

[1] 刘纯友, 李子娟, 殷朝敏, 等. 水产品挥发性风味成分提取与检测方法研究进展[J]. 广州化工, 2017, 45(6): 30-33.

[2] 刘树萍, 方伟佳. 气味指纹图谱技术在肉制品品质检测中的应用[J]. 中国调味品, 2019, 44(1): 147-149.

[3] 何燕富, 黄卉, 李来好, 等. 低温贮藏的鱼肉品质变化及其影响因素的研究进展[J]. 大连海洋大学学报, 2017, 32(2): 242-247.

[4] 聂蓉, 黄杰. 基于仿生嗅觉的气味指纹检测与识别方法研究[J]. 河南科学, 2019(2): 183-187.

[5] 朱丽敏, 倪元颖, VENZAL S, 等. 气味指纹分析技术在食品质控和风味研究的应用[J]. 农产品加工(学刊), 2005(Z2): 72-76.

[6] 沈秋霞, 王晓君, 卢朝婷, 等. 基于电子鼻技术对真空包装三文鱼片的新鲜度评价[J]. 食品与发酵工业, 2018, 44(10): 241-247.

[7] 王阳, 黄磊. 水产品新鲜度评价方法研究综述[J]. 安徽农学通报, 2016, 22(18): 106-107.

[8] ZHU W, LUAN H, BU Y, et al. Flavor characteristics of shrimp sauces with different fermentation and storage time[J]. Lebensmittel-Wissenschaftund-Technologie/Food Science and Technology, 2019, 110: 142-151.

[9] 荣建华, 熊诗, 张亮子, 等. 基于电子鼻和SPME-GC-MS联用分析脆肉鲩鱼肉的挥发性风味成分[J]. 食品科学, 2015, 36(10): 124-128.

[10] SHAO C, ZHENG H, ZHOU Z, et al. Ridgetail white prawn (Exopalaemon carinicauda) K value predicting method by using electronic nose combined with non-linear data analysis model[J]. Food Analytical Methods, 2018, 11(11): 3 121-3 129.

[11] 王祖忠, 周君, 张凌芷, 等. 8种植物油气味指纹模型的建立[J]. 中国油脂, 2017, 42(2): 76-80.

[12] 肖蕾, 蓝蔚青, 孙晓红, 等. 金枪鱼常用保鲜方式及品质检测技术研究进展[J]. 包装工程, 2017, 38(5): 115-120.

[13] 吴楠京, 贾文珅, 马洁, 等. 仿生嗅觉技术在微生物代谢产物气味检测中的应用研究进展[J]. 分析试验室, 2018, 37(3): 366-372.

[14] LI P, REN Z H, SHAO K Y, et al. Research on distinguishing fish meal quality using different characteristic parameters based on electronic nose technology[J]. Sensors (Basel, Switzerland), 2019, 19(9): 2 146-2 160.

[15] ZHENG H N, WANG S Y, PING X Y, et al. Study of spinyhead croaker (Collichthys lucidus) fat content forecasting model based on electronic nose and non-linear data resolution model[J]. Food Analytical Methods, 2019, 12(9): 1 927-1 937.

[16] 黄嘉丽, 黄宝华, 卢宇靖, 等. 电子舌检测技术及其在食品领域的应用研究进展[J]. 中国调味品, 2019, 44(5): 189-193.

[17] 郑舒文, 陈卫华. 基于电子鼻和电子舌技术的鳕鱼鲜度评定[J]. 中国调味品, 2019, 44(5): 164-169.

[18] HAN F, HUANG X, TEYE E, et al. A nondestructive method for fish freshness determination with electronic tongue combined with linear and non-linear multivariate algorithms[J]. Journal of Food Science, 2014, 32(6): 532-537.

[19] 南洋, 杜悦, 李长兴. 气相色谱-质谱法测定食品包装材料中的VOCs[J]. 包装工程, 2018, 39(1): 58-63.

[20] TANG Y, YE L, ZHANG D, et al. Characterization of a fatty acid binding protein from the swimming crab Portunus trituberculatus and its effects on the composition of fatty acids in different tissues[J]. Invertebrate Reproduction & Development, 2017, 62(1): 1-8.

[21] LALITHAPRIYA U, MARIAJENITA P, RENUKA V, et al. Investigation of natural extracts and sodium bisulfite impact on thermal signals and physicochemical compositions of Litopenaeus vannamei during chilled storage[J]. Journal of Aquatic Food Product Technology, 2019, 28(6): 609-623.

[22] SOLAESA A G, FERNANDES J O, SANZ M T, et al. Green determination of brominated flame retardants and organochloride pollutants in fish oils by vortex assisted liquid-liquid microextraction and gas chromatography-tandem mass spectrometry[J]. Talanta, 2019, 195: 251-257.

[23] MISHRA P, GONG Z, KELLY B C. Assessing biological effects of fluoxetine in developing zebrafish embryos using gas chromatography-mass spectrometry based metabolomics[J]. Chemosphere, 2017, 188: 157-167.

[24] 余桂平, 陈斌, 朱建锡, 等. 食品检测中电子鼻技术的相关应用探讨[J]. 农业开发与装备, 2019(2): 145-154.

[25] LIMBO S, SINELLI N, TORRI L, et al. Freshness decay and shelf life predictive modelling of European sea bass (Dicentrarchus labrax) applying chemical methods and electronic nose[J]. LWT-Food Science and Technology, 2009, 42(5): 984.

[26] HUANG X H, ZHENG X, CHEN Z H, et al. Fresh and grilled eel volatile fingerprinting by e-Nose, GC-O, GC-MS and GC×GC-QTOF combined with purge and trap and solvent-assisted flavor evaporation[J]. Food Research International, 2019, 115: 32-43.

[27] KANAVOURAS A, HERNANDEZ R J. The analysis of volatiles from thermally oxidized virgin olive oil using dynamic sorption-thermal desorption and solid phase micro-extraction techniques[J]. International Journal of Food Science & Technology, 2010, 41(7): 743-750.

[28] SARNOSKI P J, O’KEEFE S F， JAHNCKE M L, et al. Analysis of crab meat volatiles as possible spoilage indicators for blue crab (Callinectes sapidus) meat by gas chromatography-mass spectrometry[J]. Food Chemistry, 2017, 122(3): 930-935.

[29] 张娅, 金凤, 郭子璇, 等. 气相色谱-质谱联用鉴定基于水酶法制备的虹鳟鱼骨油组分[J]. 分析化学, 2017, 45(7): 1 045-1 051.

[30] LIANG X, FENG T T, WU J H, et al. Vortex-assisted liquid-liquid micro-extraction followed by head space solid phase micro-extraction for the determination of eugenol in fish using GC-MS[J]. Food Analytical Methods, 2018, 11(3): 790-736.

[31] RASCON A J, AZZOUZ A, BALLESTEROS E. Trace level determination of polycyclic aromatic hydrocarbons in raw and processed meat and fish products from European markets by GC-MS[J]. Food Control, 2019, 101: 198-208.

[32] SHILPI C, RIDLEY L, MURPHY W R, et al. Quantitative analysis of polycyclic aromatic hydrocarbons at part per billion levels in fish oil by headspace solid-phase microextraction and gas chromatography-mass spectrometry (HS-SPME-GC-MS)[J]. Journal of Chromatographic Science, 2019, 57(1): 87-92.

[33] SONG H L, LIU J B. GC-O-MS technique and its applications in food flavor analysis[J]. Food Research International (Ottawa, Ont.), 2018, 114: 187-198.

[34] FRANK D, POOLE S, KIRCHHOFF S, et al. Investigation of sensory and volatile characteristics of farmed and wild barramundi (Lates calcarifer) using gas chromatography-olfactometry mass spectrometry and descriptive sensory analysis[J]. Journal of Agricultural and Food Chemistry, 2009, 57(21): 10 302-10 312.

[35] 王锡昌, 吴娜, 顾赛麒, 等. MMSE-GC-MS/GC-O法鉴定熟制阳澄湖大闸蟹关键嗅感物质[J]. 现代食品科技, 2014, 30(4): 245-254.

[36] 李楠. 三种GC-O方法对蒸制雄性中华绒螯蟹性腺主体呈香物质的鉴定//中国水产学会. 2015年中国水产学会学术年会论文摘要集[C]. 2015: 1

[37] FAN Y, YIN L A, XUE Y, et al. Analyzing the flavor compounds in chinese traditional fermented shrimp pastes by HS-SPME-GC/MS and electronic nose[J]. Journal of Ocean University of China, 2017, 16(2): 311-318.

[38] WU N, WANG X C. Identification of important odorants derived from phosphatidylethanolamine species in steamed male Eriocheir sinensis hepatopancreas in model systems[J]. Food Chemistry, 2019, 286: 491-499.

[39] 张玉华, 孟一. 肉类品质无损检测技术研究现状与发展趋势[J]. 食品工业科技, 2012, 33(12): 392-395.

[40] 付雪艳, 吴娜, 袁凯, 等. 固相萃取整体捕集剂-气相色谱-质谱联用仪结合电子鼻技术对中华绒螯蟹关键脂质热氧化体系的构建[J]. 食品与发酵工业, 2018, 44(9): 254-261.

[41] ZHANG J H, CAO J, PEI Z S, et al. Volatile flavour components and the mechanisms underlying their production in golden pompano (Trachinotus blochii) fillets subjected to different drying methods: A comparative study using an electronic nose, an electronic tongue and SDE-GC-MS[J]. Food Research International, 2019, 123: 217-225.

[42] LIU Q Y, GUO Y M, SUN X M, et al. Determination of 15 polycyclic aromatic hydrocarbons in aquatic products by solid-phase extraction and GC-MS[J]. Journal of Separation Science, 2018, 41(10): 2 188-2 196.

[43] WU N, WANG X C. Comparison of gender differences in nutritional value and key odor profile of hepatopancreas of chinese mitten crab (Eriocheir sinensis)[J]. Journal of Food Science, 2017, 82(2): 536-544.

[44] 邢梦珂, 孙柯, 赵楠, 等. 基于电子鼻技术的草莓损伤检测系统的开发[J]. 南京农业大学学报, 2018, 41(3): 555-561.

[45] 万赐晖, 贾文珅, 王纪华, 等. 基于人工神经网络算法的电子鼻系统在食品无损检测中的应用[J]. 食品与机械, 2016, 32(10): 221-225.

[46] LIU Q Y, GUO Y M, SUN X M, et al. Determination of 15 polycyclic aromatic hydrocarbons in aquatic products by solid-phase extraction and GC-MS[J]. Journal of Separation Science, 2018, 41(10): 2 188-2 196.

[47] 朱培逸, 徐本连, 鲁明丽, 等. 基于电子鼻和改进无监督鉴别投影算法的大闸蟹新鲜度识别方法[J]. 食品科学, 2017, 38(18): 310-316.

[48] VAJDI M, VARIDI M J, VARIDI M, et al. Using electronic nose to recognize fish spoilage with an optimum classifier[J]. Journal of Food Measurement and Characterization, 2019, 13(2): 1-13.